优秀!芯片设计国际大赛总冠军,来自复旦大学!

B站影视 日本电影 2025-09-19 16:54 1

摘要:获奖证书(面向电子设计自动化的机器学习竞赛)落下帷幕复旦大学集成电路与微纳电子创新学院、复旦大学集成芯片与系统全国重点实验室博士研究生潘鸿洋、兰存清团队凭借创新的前后端协同方法与轻量化AI算法在12个工业场景设计案例中获得5个第一最终以总分第一的成绩获得竞赛总

获奖证书

(面向电子设计自动化的机器学习竞赛)

落下帷幕

复旦大学集成电路与微纳电子创新学院、

复旦大学集成芯片与系统全国重点实验室

博士研究生潘鸿洋、兰存清团队

凭借创新的前后端协同方法与轻量化AI算法

在12个工业场景设计案例中获得5个第一

最终以总分第一的成绩

获得竞赛总冠军

EDA

(注:Electronic Design Automation,

电子设计自动化)

是利用计算机辅助设计软件

完成超大规模集成电路设计全流程的技术

涵盖功能设计、仿真、验证、物理设计等环节

将抽象的规格与算法自动化

转化为可制造的版图并保障正确性与效率

被称为“芯片之母”

MLCAD作为聚焦

机器学习×电子设计自动化(EDA)的

ACM(注:国际计算机协会)/ IEEE

(注:电气电子工程协会)

国际学术会议

旨在推动机器学习在芯片全流程中的

创新应用与产业化

在行业领域具有很高关注度

潘鸿洋(左)、兰存清(右)

会议每年围绕行业核心难题

设置竞赛题目

今年的赛题为

“ReSynthAI:Physical-Aware Logic Resynthesis

for Timing Optimization Using AI”

利用人工智能进行物理感知的

逻辑再综合以优化时序

直指EDA领域一个存在已久的瓶颈:

逻辑综合(Logic Synthesis)阶段缺乏物理信息

导致优化效果大打折扣

赛题任务聚焦

“逻辑综合之后、版图之前”的关键位置

直指EDA领域“前后端工具割裂”

这一悬而未决的关键问题

这也是全球EDA社区面临的重要挑战

“EDA流程分为前端的逻辑综合

和后端的物理实现,

前端好比‘建筑师’,关心功能正确;

后端则是‘施工队’,

要考虑材料、引线、空间限制等物理约束。”

潘鸿洋介绍

逻辑综合阶段的任务是

将电路功能转换成标准逻辑门网表

但这一过程通常不包含物理信息

当网表进行物理设计时

会发现基于前端模型估算的最优指标

在真实物理约束下是次优

从而需要大量的迭代修改

显著增加了研发周期与成本

此次竞赛的核心任务

正是探索打通前后端流程的有效路径

随着芯粒、3D芯片等先进设计的兴起

前端设计阶段亟需融入后端物理信息

“我们的核心思路是在设计开始阶段

就引入物理信息,进行前后端协同优化。”

潘鸿洋认为

这种思路也能兼容未来15年的先进工艺

赛题的挑战在于

需要在极其复杂的决策空间中进行权衡

必须从一系列操作中

选择最优的组合与执行顺序

以往的研究往往

只孤立地处理其中一项或几项

而竞赛要求将多种变换同时纳入考量

这极大地增加了问题的复杂度

“AI不是万能公式,关键是用对方法。”

兰存清表示,竞赛要求在3小时内

仅用一张A100 GPU完成所有优化

这意味着通用大模型方案因算力开销巨大

而并不可行

因此,团队选择了更贴合竞赛需求的

轻量化AI方案

团队最终采用强化学习技术

构建了一个AI智能体

通过“打分学习”机制进行训练

让AI在海量的操作组合中自主探索——

“我们为每一步操作的结果设定一个‘分数’

AI的目标就是

找到一套能获得最高总分的操作序列。”

在潘鸿洋看来

这种方法不仅解决了

人工探索耗时过长的难题

还能发掘出超越传统启发式算法的优化方案

实现效率与效果的平衡

赛题框架

回顾整个参赛历程

团队坦言,挑战与机遇并存

从拿到赛题到最终提交

两个月的准备时间里

仅搭建流程与环境就花费了一个月

留给算法优化的时间也就剩一个月

“当时我们的策略是不追求‘完美方案’,

先迭代出基础版本,再逐步优化。”

潘鸿洋回忆

大家几乎每天加班加点

在最后提交阶段更是绷紧了神经

备赛过程中

二人也需要应对方向上的困境

“当时我们在

细颗粒度优化和粗颗粒度优化之间摇摆不定,

既想做顶层算法,

又想优化每个小环节。”

关键时刻

朱可人、王志昂两位指导老师的建议

帮他们理清了思路

朱可人(左一)、王志昂(右一)、潘鸿洋(左二)、兰存清(左三)

“老师让我们先做简单评估,

用数据判断哪种方法更优,

避免浪费时间。”

为保障竞赛顺利推进

指导老师每周定期召开会议

同步进展、解决困惑

针对关键节点

提供高效的评估与建议

本届大赛的参赛者

覆盖北美、欧洲与亚洲的高校与企业

能在众多团队中脱颖而出

潘鸿洋和兰存清认为

准确判断、主动做出取舍是关键

MLCAD的赛制不仅要求

在短时间内完成优化任务

还涉及众多的优化变量

难以做到面面俱到

“我们把更多精力放在关键目标上,

在更核心的部分投入,

保证了重点环节的优化效果,

这一点真的很重要。”

兰存清表示

这种思路也给大家带来启发:

祝贺复旦学子
以卓越的创新能力

闪耀世界舞台

期待更多复旦青年

在国际赛场中取得优异成绩

来源:微言校园一点号

相关推荐